买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆大学

摘要：本发明涉及一种基于语义增强的地点推荐方法，包括：获取多个用户根据签到时序排列的用户轨迹序列集，构建局部超图和全局超图；获取全局用户表征和全局地点表征，局部用户表征和局部地点表征；构建提示词并进行编码得到全局用户行为语义表征和局部用户行为语义表征。计算最终轨迹端表征和最终用户端表征Xf，将和Xf拼接得到序列表征根据得到进行序列建模，将建模所得最终特征输入神经网络Ⅴ预测下一个签到时间，签到地点和签到类别；计算总损失训练模型参数最优；将一个用户的完整长轨迹得到该用户的序列表征后输入训练好的模型，输出该用户的下一个签到地点。实验证明该方法能够为用户提供更准确、个性化的推荐结果。

主权项：1.一种基于语义增强的地点推荐方法，其特征在于：包括如下步骤：S1：获取多个用户根据签到时序排列的完整长轨迹构成用户轨迹序列集S，然后以完整长轨迹作为超边，签到地点作为节点构建全局超图Gglobal，第i个用户的第j个签到地点lu_{i,j}与一个独特的元组相对应，该独特的元组包括纬度lat，经度lon，签到时间time，地点类别cat，地点类别编号和签到点编号；将每条完整长轨迹以时间阈值△t＝24h截断，得到对应的多条短轨迹，设第i个用户的第j条短轨迹为Si_j＝{li_{j,1},li_{j,2},li_{j,3},...,li_{j,p}}，其中p为该条短轨迹长度，将所有短轨迹作为超边，签到地点作为节点构建局部超图Glocal，所有短轨迹构成短序列集HS；S2：将Gglobal输入超图卷积网络得到全局用户表征和全局地点表征，Glocal输入超图卷积网络得到局部用户表征和局部地点表征；S3：将长轨迹中的语义信息进行提示词构建，然后使用预训练语言模型对构建的提示词进行编码得到全局用户行为语义表征，将短轨迹中的语义信息进行提示词构建，然后使用预训练语言模型对构建的提示词进行编码，得到局部用户行为语义表征；将地点类别进行独热编码得到lcat，至于用户的签到时间，将一天24小时分割为若干个时间戳，并将签到时间投影到每个时间戳，得到时间的嵌入ltime；使用现有方法将lcat和ltime进行嵌入得到对应的得到时间表征htime和类别表征hcat；S4：全局用户行为语义表征和局部用户行为语义表征通过神经网络Ⅰ进行降维得到对应的全局语义表征和局部语义表征；全局用户表征、全局语义表征和用户编号嵌入拼接输入到神经网络Ⅱ降维后，再与全局地点表征拼接输入融合网络得到最终轨迹端表征局部语义表征和局部地点表征拼接输入到神经网络Ⅲ降维得到矩阵K，时间表征和类别表征拼接输入到神经网络Ⅳ降维得到矩阵Q，局部用户表征作为矩阵V，K、Q和V分别经过线性层处理后进入注意力机制得到最终用户端表征Xf；S5：将和Xf拼接得到序列表征根据得到进行序列建模，将建模所得最终特征输入神经网络Ⅴ预测下一个签到时间，签到地点和签到类别；S6：冻结预训练模型的参数，计算总损失，并根据总损失反向传播更新所有神经网络的参数，直至总损失不再下降，此时所有神经网络的参数最优；S7：将一个用户的完整长轨迹按照S1-S4的方法进行处理得到该用户的序列表征，期间使用参数最优的神经网络，将该用户的序列表征输入参数最优的神经网络Ⅴ，输出该用户的下一个签到地点。

全文数据：

权利要求：

百度查询： 重庆大学 一种基于语义增强的地点推荐方法